双轨最优传输分布纠偏与对抗生成式因子挖掘模型.pdf

上传者：方*
时间：2026/06/17
热度：131
0人点赞
举报

本报告针对深度学习因子挖掘中传统IC损失仅关注排序而忽略分布形态、以及Transformer潜空间表征易漂移的问题，提出了一套基于最优传输与对抗生成学习的因子挖掘框架。报告首先构建了全局分布对齐模型（GDA），引入切片Wasserstein距离约束预测分布与真实收益的几何差异；随后提出非平衡输出对齐模型（UOA），通过KL松弛与Top-K增强实现多头偏心传输，并引入条件状态感知机制；接着设计双轨Sinkhorn网络（DTSN），在潜空间引入历史牛股模板锚定，提升因子稳定性；最终构建双轨对抗挖掘网络（DTAN），利用WGAN-GP判别器替代固定度量，实现分布差异的自适应学习。实证结果显示，DTAN模型在因子IC、多头组合年化收益及最大回撤控制上均表现最优。基于DTAN构建的沪深300、中证1000及国证2000指数增强策略均获得了显著的年化超额收益，验证了该框架在实战中的有效性。